Using data mining and support vector machines to optimize cooling effectiveness in a gas turbine blade leading edge
Uso de minería de datos y máquinas de vectores de soporte para la optimización del enfriamiento de álabes de turbina de gas
| dc.contributor | CARLOS ALBERTO OCHOA ORTIZ | |
| dc.contributor | JUAN CARLOS GARCIA CASTREJON | |
| dc.contributor | GUSTAVO URQUIZA BELTRAN | |
| dc.creator | JOSE OMAR DAVALOS RAMIREZ | |
| dc.date | 2014-02-01 | |
| dc.date.accessioned | 2023-07-25T12:47:13Z | |
| dc.date.available | 2023-07-25T12:47:13Z | |
| dc.identifier | 2007-3283 | |
| dc.identifier | http://riaa.uaem.mx/handle/20.500.12055/104 | |
| dc.identifier.uri | https://repositorioslatinoamericanos.uchile.cl/handle/2250/7792360 | |
| dc.description | This paper discusses a research related with the innovative use of a decision support system based on data mining (to evaluate historical information) and the support vector machine method to determine the optimal values related with the cooling efficiency of a gas turbine blade and to determine the adequate selection of components to build scenarios under uncertainty. This research allows the selection of a specific number of optimal values for components, in a time horizon of a power energy installation (approximately four hours). These components are evaluated with data from an information repository of a successful energy system. The intent of this research is to apply the computational properties of an established model of intelligent optimization. The case study allowed the analysis of the individual features of each component with the emulation from set matching features (optimal values reached by our hybrid algorithm). This way it is possible to predict a better functionality in this kind of system. | |
| dc.description | En este artículo se discute el uso de sistemas de decisión de soporte basados en minería de datos (para la evaluación histórica) y máquinas de vectores de soporte, con la finalidad de obtener los valores óptimos relacionados con la eficiencia de enfriamiento en un álabe de turbina de gas para determinar la adecuada selección de componentes y construir escenarios bajo incertidumbre. Esta investigación permite seleccionar un número específico de componentes, los cuales son evaluados a partir de un depósito de información con datos de otro sistema de energía. La intención de la presente investigación es aplicar propiedades computacionales, en este caso un modelo de optimización inteligente. El caso de estudio permite analizar las características individuales de cada componente con la emulación de una serie de características correspondientes (valores óptimos alcanzados por el algoritmo híbrido). De esta manera es posible predecir una mejor funcionalidad en un sistema de este tipo. | |
| dc.format | ||
| dc.language | eng | |
| dc.publisher | Universidad Autónoma del Estado de Morelos | |
| dc.relation | Programación Matemática y Software | |
| dc.relation | 1 | |
| dc.relation | 6 | |
| dc.relation | info:eu-repo/semantics/altIdentifier/issn/2007-3283 | |
| dc.rights | info:eu-repo/semantics/openAccess | |
| dc.rights | http://creativecommons.org/licenses/by-nc-nd/4.0 | |
| dc.subject | info:eu-repo/classification/cti/7 | |
| dc.subject | info:eu-repo/classification/cti/33 | |
| dc.subject | data mining, support vector machine, pattern recognition, decision support system | |
| dc.subject | minería de datos, máquinas de vectores de soporte, reconocimiento de patrones, sistemas de soportes de decisión | |
| dc.title | Using data mining and support vector machines to optimize cooling effectiveness in a gas turbine blade leading edge | |
| dc.title | Uso de minería de datos y máquinas de vectores de soporte para la optimización del enfriamiento de álabes de turbina de gas | |
| dc.type | info:eu-repo/semantics/article | |
| dc.coverage | MEX | |
| dc.audience | researchers |